Nantes Université est un établissement public d’enseignement supérieur et de recherche qui propose un modèle d’université inédit en France unissant une université, un hôpital universitaire (CHU de Nantes), un institut de recherche technologique (IRT Jules Verne), un organisme national de recherche (Inserm) ainsi que Centrale Nantes, l’école des Beaux-Arts Nantes Saint-Nazaire et l’École Nationale Supérieure d’Architecture de Nantes.
Ces acteurs concentrent leurs forces pour développer l’excellence de la recherche nantaise et offrir de nouvelles opportunités de formations, dans tous les domaines de la connaissance.
Durable et ouverte sur le monde, Nantes Université veille à la qualité des conditions d'études et de travail offertes à ses étudiantes, étudiants et personnels, pour favoriser leur épanouissement sur tous ses campus de Nantes, Saint-Nazaire et La Roche-sur-Yon.
· Localisation : Nantes
Le Laboratoire des Sciences du Numérique de Nantes (LS2N) mène des activités de recherche et de formation en sciences du numérique, en lien avec des enjeux industriels, environnementaux et sociétaux.
Le CHU de Nantes, la plateforme de simulation en médecine intensive de Nantes Université (LE SiMU) et le Laboratoire des Sciences du Numérique de Nantes (LS2N / UMR CNRS 6004) collaborent depuis 2019 sur un projet de simulation d'un patient numérique sous anesthésie.
En aval des avancées scientifiques obtenues, l'Ingénieur.e recruté.e sur le projet SIMPHONIA aura la charge de réaliser ce simulateur. Ce dernier sera réactif aux actions d’un utilisateur et d’une équipe médicale virtuelle.
Le projet SIMPHONIA produira un simulateur de patient virtuel réaliste et réactif aux actions d’un utilisateur et d’une équipe médicale virtuelle. Ce simulateur intègrera trois briques logicielles :
1. Un pipeline de production de modèles de processus à partir des données d’une cohorte de patients.
2. Un éditeur pédagogique permettant à un formateur de contextualiser, à des fins pédagogiques, un modèle de processus donné afin d’en faire le support de scénarios de simulation spécifiques (par exemple en intégrant un événement critique, ou des aides à l’utilisateur du simulateur en cas de difficulté).
3. Un modèle de deep learning (possible variante reposant sur une méthode de data mining) gérant la prédiction en temps réel de l’évolution d’un patient numérique réactif aux actions médicales.
La prédiction de la prochaine action médicale à réaliser par un agent autre que l’utilisateur du simulateur pourra être réalisée grâce au modèle de processus propre à la chirurgie concernée.
Les briques logicielles seront réutilisées pour implémenter le concept de jumeau numérique de patient sous anesthésie (modèle de processus, modèle de deep learning).
• Curation médicale des données issues du soin, avec l’aide des experts en anesthésie.
• Développement du pipeline prototype de construction de modèles de processus, tests et validation.
• Validation du passage à l’échelle de l’algorithme de construction de modèles de processus sur des cohortes de patients de tailles incrémentales.
• Spécification et formalisation des contextualisations des modèles de processus nécessaires à la pédagogie de la simulation.
• Développement de l’éditeur pédagogique, tests et validation.
• Développement du prototype de simulateur destiné à la formation assistée par le numérique (intégration du modèle de processus, du modèle de deep learning et de l’éditeur pédagogique), tests et validation (éventuellement variante avec méthode de data mining).
• Validation du caractère généraliste de l’approche de simulation pilotée par les données, grâce à un modèle de processus et à un modèle de deep learning, sur diverses interventions chirurgicales et typologies de patients.
• Développement du concept de jumeau numérique de patient sous anesthésie, tests et validation.
Les travaux réalisés lors du projet SIMPHONIA donneront lieu à la rédaction de quatre articles :
• deux en informatique (applications en deep learning), en versions journal et conférence ;
• deux en médecine (applications médicales).
La rédaction ne relève pas de l’ingénieur·e à recruter. La personne recrutée, ayant participé aux travaux de recherche et de développement du projet, sera co-auteur·e de ces articles.
Diplôme de doctorat en informatique avec expérience dans le domaine de la santé, ou doctorat en informatique pour la santé ou doctorat en bioinformatique. Les niveaux Bac+5 avec expérience pourront être considérés.
• Expériences antérieures bienvenues pour occuper le poste : 2/5 ans post-thèse dans le domaine de la santé (les jeunes docteurs, ou les Bac+5 avec expérience pourront être considérés).